Virivnyuvannya kuvien gistogrammeilla. Histogrammien tasaus kuvanlaadun parantamiseksi

Stini

Kaikki ovat tervetulleita. Tieteellisen ydinkirjan saastuttama, ennen monografian näkemistä, se ilmaistaan ​​yksinkertaisin sanoin digitaalisen kuvankäsittelyn perusteista. Tilastojen tapauksessa avautuminen on vielä yksinkertaisempaa, ja vielä tehokkaampi on kuvanlaadun säätömenetelmä - histogrammien arviointi.

Yksinkertaisuuden vuoksi on lähes aina mahdollista katsoa yksivärisiä kuvia (se on kuva, joka paljastaa vain tietoja kirkkaudesta, mutta ei pikselien väreistä). Kuvan histogrammi on melko diskreetti funktio H, sille on annettu arvoton arvo, de bpp on bittien määrä, joka syötetään yhden pikselin koodiksi. Jos haluan, ettei se ole liian viskoosi, on usein normaalia normalisoida alueen hystogrammit, jolloin ihon toiminta H [i] tulee selvemmäksi kuvien määrän taakse. Pöytä. 1 näyttää testikuvien ja histogrammien pätkiä, jotka on motivoitunut:
Tab. 1.Mielikuvitus ja їх gistogrammit

Jos olet noudattanut näytettävää histogrammia, voit luoda kuvasta kuvan. Esimerkiksi vielä tummempien kuvien histogrammeille on tunnusomaista ne, jotka ovat nollasta poikkeavia kirkkaustasojen nollapitoisuuden arvoja, ja vieläkin vaaleammille navpakin kuville - oikeiden osien pitoisuuden nollasta poikkeavat arvot.
Intuitiivisesti on mahdollista luoda kuva, joka on kätevin ihmisen kuvalle, sillä saan histogrammin lähelle samankasvuista. Tobto. visuaalisen laadun vähentämiseksi kysynnän kuvaan on myös tarpeen määritellä uudelleen, histogrammissa tulokselle on annettu kaikki mahdollinen kirkkaus ja samalla suunnilleen sama luku. Tällaista uudelleenluomista kutsutaan histogrammien tasaamiseksi ja se voi olla viconano lisäkoodille, joka laitetaan luetteloon 1.
Luettelo 1. Histografien kvantifiointimenettelyn toteuttaminen

  1. TCGrayscaleImage-prosessi. HistogrammiEqualization;
  2. konst
  3. k = 255;
  4. h: matriisi [0..k] kaksinkertaisesta;
  5. i, j: sana;
  6. alkaa
  7. i:lle: = 0 - k do
  8. h [i]: = 0;
  9. h [pyöreä (k * itse. Pikseliä [i, j])]: = h [pyöreä (k * itse. Pikseliä [i, j])] + 1;
  10. i:lle: = 0 - k do
  11. h [i]: = h [i] / (itse. Korkeus * itse. Leveys);
  12. i:lle: = 1 - k do
  13. h [i]: = h [i - 1] + h [i];
  14. i:lle = 0 itselle. Korkeus - 1 do
  15. j:lle: = 0 itselle. Leveys - 1 do
  16. itse. Pikselit [i, j]: = h [pyöreä (k * itse. Pikselit [i, j])];
  17. loppu;

Histografien kvantifioinnin seurauksena kuvan dynaaminen alue laajenee nopeasti suuria määriä mahdollistaen yksityiskohtien visualisoinnin, mitä ei aiemmin mainittu. Vaikutus on erityisen voimakas tummissa kuvissa, kuten näkyy Tab. 2. Lisäksi on tärkeää huomata yksi tärkeä arviointimenettelyn piirre: suuren suodattimien ja asteikkomuutosten perusteella se vaatii parametrien säätämistä
Tab. 2. Kuvat ja histografien kuvat arvioitavaksi


Siitä on helppo päästä eroon, jotta kaupungin vieraat saavat hyvän käsityksen siitä, mitä he etsivät. Tämä johtuu siitä, että tulosteen kuvan dynaaminen alue on laajempi kuin tulosteen kuvan alue. On selvää, että et voi katsoa 1 näytön luetteloa millään tavalla säilyttämättä nollasta poikkeavaa arvoa kaikissa histogrammien pesäkkeissä. Vaikka on kuitenkin tarpeen saavuttaa suurempi luonnollinen laji kieroa histogrammeja, on mahdollista vikoristovuvati vypadkovy nousi i:nnen histogrammien siirtokunnan arvoon muutaman ensimmäisen päivän aikana esikaupunkien.
On selvää, että histogrammien kvantifioinnin avulla voit helposti säätää yksiväristen kuvien laatua. Haluan epätoivoisesti tallentaa hienovaraisen mekanismin ja jopa värikuvia.
On olemassa vain aiempia jälleenmyyjiä, jotka esittävät kuvia kolmessa RGB-kanavassa ja aloittavat prosessin arvioidakseen ihon kolorektomiaa histogrammeilla. Joillekin ongelman kanssa syntyneille ihmisille on mahdollista saavuttaa menestystä, mutta monissa tapauksissa tulos on niin (värit näyttävät luonnottomalta ja kylmältä). Se on sidottu yhteen, mutta RGB-malli ei edusta tarkasti ihmisten väriä.
Tiedä suurimmasta tilamäärästä - HSI. Kuvittajat ja suunnittelijat käyttävät värimallia (joka kiistaa sen kanssa) paljon laajemmin, jotta ihmiset ymmärtäisivät värisävyn, intensiteetin ja intensiteetin, jotka ovat yleisempiä ihmisille.
Jos katsot RGB-kuution projektiota aivan bili-mustan diagonaalin vieressä, näet kuusi jaardia, leikkaus näyttää ensimmäiseltä ja toiselta väriltä ja kaikki siniset (kuten makaa kuution keskipisteessä):

Pieni. 1. Värikuution projektio
Lisämallia varten on mahdollista koodata kaikki RGB-mallissa saatavilla olevat värit, on tarpeen lisätä valon pystyviiva (tai intensiteetti) (I). Tuloksena on kuusikulmainen kartio (kuva 2, kuva 3):


Pieni. 2. Piramida HSI (yläosat)
Tässä mallissa värisävy (H) on asetettu punaisen ampiaisen leikkauksella, paino (S) kuvaa värin puhtautta (1 tarkoittaa puhdasta väriä ja 0 tarkoittaa sinistä väriä). Kun kylläisyyden arvo on nolla, ääni on mykistetty ja se on määritetty.


Pieni. 3. Piramida HSI
Pöytä. Kuva 3 näyttää kuvan asettelun HSI:n komponenttien mukaan (billі pikseliä kanavassa sävyissä іdpіvіyut zerіvіvіtі):
Tab. 3. Saraketila HSI


Värikuvien laadun parantamiseen on tehokkaampaa käyttää intensiteettikanavan ekvalointimenettelyä. Sama näkyy Tab. 4
Tab. 4. Pienten kanavien tasaus


Olen rohkaisevaa, koko materiaali on hyvä sinulle, annan sinulle parhaan tsikavim, joka on maksimaalista kornia. Kiitos.

Etukuvan käsittely- kuvan laadun parantamisprosessi, eli sen asettaminen metaksi alkuperäisen perusteella mahdollisimman tarkasti ja kuvan automaattiseen analysointiin sovitettuna.

Digitaalisten kuvien vioista voit nähdä seuraavat:

  • Digitaalinen kohina
  • Värilliset viat (puutteet tai ylivoimainen kontrastin selkeys, väärä paksusuolen sävy)
  • Koko (tarkennus)

Etukuvan käsittelytapa on makaamaan tehtaalta päivän loppuun asti ja voit ottaa mukaan seuraavan tyyppisiä robotteja:

Kohinaisten kuvien suodatus

Digitaalisen kuvan kohina- kuvassa oleva virhe, jonka aiheuttavat valoanturit ja elektroniset liitteet, jotka ovat ilkeitä. Vicoristin kuristamiseen käytä seuraavia menetelmiä:

Lineaariset keskiarvopisteet by susid - yksinkertaisimmat algoritmit kohinan visualisointiin. Pääajatuksena on, että deyak_y-alueen pisteiden aritmeettinen keskiarvo on pisteen uusi arvo.

Fyysisesti tällainen suodatus toteutetaan kuvan pikselien ylimääräiseksi ohittamiseksi zgortka-matriisilla, joka näyttää tältä:

Butt:

div - normin tehokkuus, mutta keskimääräisestä intensiteetistä ei ole tullut iloa. Vin dorivnyu suoritusmatriisien summa, puskudiv = 6.

Gaussin Rosmittha(eräänlainen lineaarinen hypoteesi) on toteutettu kuvien ylimääräiseen ohitukseen kuvan matriisin avulla, joka näyttää tältä:

Matriisia 5 × 5 seuraa normaali (Gaussin laki). Itse matriisi on suunnattu alareunaan, de spesifikaatiot ovat jo normaalit, joten koko matriisin div on vain yksi.

Vuodesta koko matriisin vahvistaa vahvuus koon.

Vasemmassa yläpikselissä ei ole mitään "susid" -pahuutta, mutta ylhäältä katsottuna olemme nyt tyhmiä matriisin suorituskyvyn moninaisuudesta!

Koko ongelman ratkaisemiseksi tarvitset teollisen kuvan kehittämisen. Ajatuksena on avata kuva koot

leveys + 2 rako / 2, korkeus + 2 rako / 2, de

leveys і korkeus - kuvan leveys ja korkeus, miten suodatetaan,

aukko - välimatriisin koko.

Kuvan keskelle syötetty kuva kopioidaan ja reunat jäävät muistiin kuvan äärimmäisillä pikseleillä. Kasvuvauhti on kiinni välipuskuriin, ja tulos sovitetaan.

Mediaanisuodatin Se on ikkunasuodatin, joka viimeksi skannata kuvan ja käänsi ihon päälle, yksi elementeistä, joka kulutettiin ikkunan suodattimessa.

Pikselit, jotka "putoavat" ikkunaan, lajitellaan kasvun ja arvon mukaan, kuten ne ovat luettelon keskellä.

Mediaanisuodatin kutsuu sinut voittoon vähentämään kohinaa tai vähentämään kuvan kohinaa.

Vähentää luettavuutta Kuva voittaa hyökkäyssuodattimen (div = 1):

Morfologinen tarkistus

Morfologista suodatusta käytetään binäärikuvan kuuloisten (eroosio) elementtien laajentamiseen (dilaktaatioon).

Laajentuminen(morfologinen laajennus) - kuvan kuva tai kuvan kuva mallin avulla. Malli voi olla materiaalin muotoinen ja kokoinen. Kun kaikki näkevät Edinan Tarjottu asema(ankkuri), yaka mene nykyiseen pikseliin laskettaessa takaosaa.

Binaarikuva - musta-bilih-pisteiden (pikseleiden) joukon (järjestetty joukko) järjestys. Kuvan pikselien enimmäisintensiteetti on yksi, minimi on nolla.

Laajentumisen pysähtyminen tehdään ennen mallin kulkua koko kuvaa pitkin ja operaattorin pysähtyminen kuvan kuvien intensiteetin paikallisella maksimilla, joka on kaareva mallineen kanssa. Jos enimmäisluku on 1, niin ankkurikuvio sijaitsee pisteessä. Tämä on toimenpide, joka wikittää kuvan vaaleiden alueiden kasvun. Pienellä lapsella, jolla on pieni väri, pikseleissä on muutoksia, jotka laajentumisen viivästymisen seurauksena ovat heikkoja.

Eroosio(morfologinen ääni) - toiminta, kääritty ennen laajentumista. Dia erozii on samanlainen kuin dilataatio, ero on siinä, että operaattori voittaa paikallisen minimin vitsin. Jos minimitie on 0, piste, jossa ankkurikuvio sijaitsee, on musta. Pikkuisella oikeakätinen on sirimin värinen;

Operaatio " Laajentuminen"- analogi loogiselle" abo ", operaation" Eroosio"- loogisen" i" analogi.

Morfologisten operaatioiden tulos on melko rikas kuvion suhteen, joka on pysähtynyt (rakenneelementti). Värähtelevä kehitysrakenneelementti, voit tarkistaa kuvan:

  • Äänen vaimennus.
  • Vidіlennya kohteen välillä.
  • Kuva esineen luurangosta.

Kuvan laadun ja kontrastin korjaus

Yaskravіstє Ominaisuudet, jotka ovat alkuperä, ovat erittäin vahvat värit pikselit näkyvät mustasta väristä. Esimerkiksi jos valokuva digitoitiin unisella säällä, se on merkityksellinen. Sivulta katsottuna, koska valokuva on rikki iltaisin tai yöllä, kirkkaus on pieni.

Kontrastiє Ominaisuus sille, että kuvissa on paljon värejä. Värien näyttö on suurempi ja kuvassa on suurempi kontrasti.

Kuvan kontrastin säätöön on kolme päämenetelmää:

  • viivan venyttely gistogrammeilla (viivakontrasti),
  • histogrammien normalisointi,
  • virivnyuvannya (linearisointi tai ekvalizatsii, ekvalilizatsii) histogrammeilla.

Lineaarinen venyttely luodaan, kunnes uusi intensiteetin arvo on määritetty kuvan ihopikselille. Yakscho іntensivnostі vihіdnogo Kuvat zmіnyuvalisya on dіapazonі od ennen todі neobhіdno lіnіyno "roztyagnuti" zaznacheny dіapazon niin asukkaat arvot zmіnyuvalisya od 0 255. tsogo dostatno pererahuvati starі arvot іntensivnostі varten vsіh pіkselіv zgіdno kaavan de koefіtsієnti vain obchislyuyutsya, vihodyachi tilauksesta scho Cordon voi mennä 0:aan ja -255:een.

Normalisointi histogrammeilla yllä olevan menetelmän perusteella säilytän venytyksen intensiteetin vaihteluvälin muuttuessa, jäten siitä informatiivisimman osan. Informatiivisella puolella on paljon vieraiden poimintoja, tobto. Intensiteetti, joka useimmiten havaitaan kuvassa. Säiliöt, jotka ilmestyvät intensiivisesti, mutta kasvavat hyvin usein, ilmaantuvat normalisointiprosessissa ja näkyvät sitten kokoonpanona histogrammeissa, mikä on tullut.

Virivnyuvannya Histogrammi on yksi suosituimmista menetelmistä. Virivnyuvannya polyag:n meta on, että taajuus on yhtä suuri kuin sama taajuus, ja histogrammi perustuu kasvun yhtäläiseen lakiin. Oletettavasti kuva annetaan harmaan näkymässä, koska kuva on erilainen. Pikselien laadun kvantifiointiin tarvittavien arvojen määrä (alojen lukumäärä). Todi keskellä ihoa rivn yaskravosti maє vipadati picsel_v. Perusmatematiikka on kahden listan lopussa. Älä - suuruusluokkaa, kuinka kuvata kuvien kuvien intensiteetin muutosta - visuaalisen kuvan intensiteetin intensiteettiä - intensiteetin perusteita. On välttämätöntä tietää lahjan ylivoimaisuus, koska se sallisi bashanin hyvyyden tunnistamisen:

Merkittävästi i:n arvojen jakautumisen integraalisten lakien kautta. Pese vesiekvivalentti, niin ... Jakauman integraalilaki seuraavien arvojen arvoille on kirjoitettu:

Zvidsi otrimuєmo, scho

Zalishilosya z'yasuvati, arviona rozpodilun integraalista. Kokonaisuudessaan on tarpeen noutaa tuloskuvan histogrammi sen sijaan, että normalisoitaisiin histogrammi säätämällä skin bin kokoa pikselien määrän taakse. Siilojen arvo voi olla lähellä jakauman funktion arvoa. Myös ruusukkeen kiinteän toiminnan merkitystä voidaan käyttää hyökkäävän tyypin summana:

Arviointi voidaan käynnistää laskemalla uusia intensiteettiarvoja. Upeasti on mahdollista kirjoittaa histogrammit uudelleen koko kuvan lisäksi myös ympäröiviin osiin.

OpenCV-kirjastossa on toteutettu equalizeHist-toiminto, jotta se ei säädä kuvan kontrastia histogrammien lisänäyttöä varten [,]. Toiminnon prototyyppi on esitetty alla.

void equalizeHist (const Mat & src, Mat & dst)

Pratsyuєn toimivuus chotiri-vaiheessa:

Dalia ohjaa ohjelman takaosa, joka varmistaa gistogrammien rekisteröinnin. Dodatok hyväksyä komentorivin argumentiksi kutsun tuloskuvaa. Vierailu vierailijan toimintaan vierailijalle visuaalisen kuvan näkyvyyteen. Vikoristannya kuva, astu varastopohjaan PASACL VOC 2007. Käännetty rivin yläosassa (kuva 7.11, paha);

#sisältää #sisältää käyttäen nimiavaruutta cv; const char helper = "Sample_equalizeHist.exe \ n \ t - kuvatiedoston nimi \ n ";< 2) { printf("%s", helper); return 1; } // загрузка изображения img = imread(argv, 1); // преобразование в оттенки серого cvtColor(img, grayImg, CV_RGB2GRAY); // выравнивание гистограммы equalizeHist(grayImg, equalizedImg); // отображение исходного изображения и гистограмм namedWindow(initialWinName, CV_WINDOW_AUTOSIZE); namedWindow(equalizedWinName, CV_WINDOW_AUTOSIZE); imshow(initialWinName, grayImg); imshow(equalizedWinName, equalizedImg); waitKey(); // закрытие окон destroyAllWindows(); // осовобождение памяти img.release(); grayImg.release(); equalizedImg.release(); return 0; }


Pieni. 7.11.

Kaikissa alkeellisissa uudelleenkonfiguroinneissa tapahtuu muutos kuvan kasvun lakiin, joka kuvaa kuvaa. Käärmeen mekanismi on ymmärrettävissä yksitoikkoisen ominaisuuden omaavan dovily-remontin perustasta, joka kuvataan funktiolla (kuva 2.8), jolla on yksiselitteinen soittotoiminto. Myönnetään, että saman koon arvo on suuruusluokkaa. Nekhai on tietyn arvon arvon korkea maliumväli ja - arvon muunnetun arvon tietty aikaväli.

Arvon osuma välissä on syy välin arvon osumaan, mikä tarkoittaa samaa arvoa kahdella podilla. Sille, että molempia intervalleja on kolme, voit kirjoittaa likimääräisen pariteetin:

,

epätäydellisyyksien maksimaalisen häviämisen de moduli intervallien absoluuttisten arvojen (ja merkkien umpimähkäisyyden lisäyksinä) suhteen. Muutetun arvon arvon numeerinen arvo, muutos on mahdollista korvata kiertofunktion kautta ja rajasiirtymä kohdassa (i, myös,), on hyväksyttävä:

. (2.4)

Tsey virazin avulla voit laskea liuotustuotteen tiheyden, jak, kuten ny:stä voidaan nähdä, älä juutu ilkeän kokoiseen tiheään rosodiiliin. Se ei ole yllättävää, mutta muutoksen kentälle virtaa paljon, jotkut (2.4) sisältyvät tähän toiminnalliseen toimintoon ja ovat vanhoja.

Spіvvіdnoshennyasta tulee melko taitettava, koska uudelleenkehitystä voidaan kuvata yksiselitteisellä funktiolla. Kun on lisätty tällainen taittoominaisuus, jossa on epäselvä soittotoiminto, kuvan 1 ominaisuus. 2.4, Suojaa, zalom, zm_st ymіrnіsnyh uudelleen luominen omassa ei muutu.

Kuvan elementtikohtainen uudelleenkonfigurointi näkyy vaivattomasti virazin (2.4) kuvaaman kuvan laadun muutoksen silmäyksellä. Ilmeisesti silloin kun niitä tarvitaan, visuaalisen tuotteen laatua ei voida menettää visuaalisen kuvan laadusta (jostain syystä salaperäisesti triviaalilla tavalla). Sillä ei ole paljoa väliä, mutta kun on lineaarinen kontrasti, on mahdollista katsoa gustinin kuvaa, mutta se on innostusta, joten jos lineaarimuunnoksen parametrit ovat riittävän korkeat, gustinin ja kuvan parametrit ovat muuttunut.

Epälineaarisen käsittelyn läpikäyneen kuvan imovirnіsnyh ominaisuuksien arvo on suora analyysi. Kuvan käytännöllisten kuvien ilmaantumisen myötä tehtävä kääntyy: kuvan visuaalisen identiteetin ja laadun vuoksi sitä on tarkistettava kuvan ulkoasun seurauksena. Käytännössä kuvan digitaalisessa käsittelyssä on usein mahdollista tuottaa kuvan muunnos normaalin kasvun tasolle. Koko vipadissa

de i - minimi on uudelleen luodun kuvan laadun enimmäisarvo. Visuaalisesti merkittävä on uudelleenmäärittelyn luonnehdinta, scho virishuє tse zavdannya. Älä yhdistä funktiota (2.2), vaan - tulo- ja lähtöarvojen generoinnin integraalilakeja. Vrahoyuchi (2.5), tiedetään:

.

Tarjoamalla joukon ripustuksia imovirnivnosti vastaavuuden vuoksi

yksinkertaista uudelleenvalmistusta varten voimme hyväksyä

joka on ominaisuus (2.2) ongelmien ratkaisemiseksi. Kuten aiemmin (2.6), kuva ei käy läpi epälineaarista uudelleentoteutusta, jonka tyypin ominaisuuden määrää itse kuvan generoinnin integraalilaki. Kun tulos on tuotettu, tulos ohjataan ennalta määrätylle dynaamiselle alueelle lisäviivakontrastitoiminnolla.

Analogisella arvolla voidaan rajata joidenkin muiden rakennusten ratkaisuja, joiden kohdalla kuvan lait on saatettava tiettyyn muotoon. Taulukko tällaisista tarkistuksista on otettu käyttöön. Yksi, tämä on ruusun hyperbolisaation nimi, kuvattavan kuvan pienennetyn tehon siirto hyperboliseen:

(2.7)

Heti kun valo kulkee silmän läpi, logaritmin kirkkaus ilmestyy, silloin valon teho näyttää olevan yhtä suuri. Sellaisessa asemassa, vidminulla navan etupäästä zorun fysiologisten voimien jälkeen. On mahdollista osoittaa, että kuva, jonka tiheys (2.7) menee epälineaarisen elementin syötteeseen, jolla on ominaisuus

Se perustuu myös visuaalisen kuvan jakautumisen integraalilakiin.

Tällaisessa asemassa Gustini Ymovirnostyn reinkarnaatio, joka siirtää tietoa integraalista, nousi visuaaliseen kuvaan. Siitä ei yleensä ole luotettavaa tietoa. Vikoristannya analyyttisten approksimaatioiden tarkoituksiin on myös vähän hyödyllistä, koska Nämä pienet tulokset voidaan kiinnittää tarvittaviin tuloksiin. Siihen voidaan nähdä kaksi vaihetta listajen tarkistuksen kuvan käsittelyssä.

Ensimmäisessä vaiheessa visuaalisen kuvan histogrammi visualisoidaan. Digitaalisten kuvien kirkkausasteikko on esimerkiksi seuraamaan koko aluetta 0 ... 255, histogrammi on 256 numeron taulukko. Niiden iho näyttää kehyksessä useita pisteitä, jotka ovat vähemmän kirkkaita. Kun olet lisännyt kaikkia taulukon numeroita värähtelyn valmiskoon sekä kuvan tärkeimpien kohtien osalta, saat arvion kuvan laadun kasvusta. Huomattavasti qiu arvio ... Integraalijakauman arvioimiseksi seuraa seuraavaa kaavaa:

.

Toisessa vaiheessa itseään (2.2) ei tarvitse toteuttaa uudelleen, joten en ota huomioon visuaalisen kuvan tarvittavaa tehoa. Samalla arvioidaan histogrammin perusteella valvomattoman todellisen integraalikasvunopeuden korvaaminen. Tarkastelen kaikkia kuvan alkeismuunnosmenetelmiä, kasvun lakien tyypin nimissä niitä kutsutaan histogrammimenetelmiksi. Zokremaa, uudelleenluomista, jossa kuva ei ole enää samanlainen, kutsutaan ekvalizatsiєyu (virivnyuvannyam) histogrammeiksi.

Merkittävää on, että histogrammin uudelleenkirjoitusmenettely voi pysähtyä koko kuvaan, samoin kuin kolmanteen fragmenttiin asti. Voit pysyä kanelina, kun katsot ei-stationaarisia kuvia, näet pienten lasten ominaisuudet. Useilla erilaisilla pikanäppäimillä vaikutus voidaan saavuttaa pysähtyneestä histogrammin käsittelystä okremikh dilyanokiin asti.

Vikoristannya spіvvіdnoshen (2.4) - (2.8), pätee kuville, joiden laatu kasvaa keskeytyksettä, ei täysin oikea digitaalisille kuville. Äitien on kunnioitettava sitä, että he eivät käsittelyn seurauksena kohtaa kuvan ihanteellista kasvua, joten sitä on tärkeää hallita histogrammeilla.

a) pois kuvasta

b) käsittelyn tulos

Pieni. 2.9. Kuvan arviointi Butt

Kuvassa 2.9 ekvalizatsin takapuoli on terävä, Vikonano on samanlainen kuin Vikladeno-menetelmä. Tyypillinen todellisten järjestelmien hallussa oleva riisipatonkikuva on pitoma tummia dalyanokkeja ja joskus pieni määrä kiiltäviä dalyanokkeja. Kuvan arviointi, talojen yhtenäiset alueet eri värien vuoksi. Kuva rikkoutuneesta (kuva 2.9.a) ja murenevasta (kuva 2.9.b) kuvasta näyttää kuinka iho kasvaa umpeen, kun sitä käsitellään, se saatetaan visuaalisen puhdistuksen ilmeeseen.